CN116712049B - 一种运动数据采集处理方法及系统 - Google Patents
一种运动数据采集处理方法及系统 Download PDFInfo
- Publication number
- CN116712049B CN116712049B CN202310993025.5A CN202310993025A CN116712049B CN 116712049 B CN116712049 B CN 116712049B CN 202310993025 A CN202310993025 A CN 202310993025A CN 116712049 B CN116712049 B CN 116712049B
- Authority
- CN
- China
- Prior art keywords
- data
- noise
- blood pressure
- shortest path
- denoising
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
- 230000033001 locomotion Effects 0.000 title claims abstract description 89
- 238000003672 processing method Methods 0.000 title claims description 9
- 230000036772 blood pressure Effects 0.000 claims abstract description 141
- 238000000034 method Methods 0.000 claims abstract description 48
- 238000012545 processing Methods 0.000 claims abstract description 23
- 238000012544 monitoring process Methods 0.000 claims abstract description 13
- 230000002159 abnormal effect Effects 0.000 claims description 8
- 238000005070 sampling Methods 0.000 claims description 4
- 230000005856 abnormality Effects 0.000 claims description 3
- 238000004458 analytical method Methods 0.000 abstract description 9
- 238000004364 calculation method Methods 0.000 description 7
- 230000011218 segmentation Effects 0.000 description 6
- 230000001174 ascending effect Effects 0.000 description 4
- 230000000630 rising effect Effects 0.000 description 3
- 238000010586 diagram Methods 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 238000012806 monitoring device Methods 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000007405 data analysis Methods 0.000 description 1
- 238000013480 data collection Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000018109 developmental process Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000007781 pre-processing Methods 0.000 description 1
- 238000011002 quantification Methods 0.000 description 1
- 238000012549 training Methods 0.000 description 1
Classifications
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/02—Detecting, measuring or recording pulse, heart rate, blood pressure or blood flow; Combined pulse/heart-rate/blood pressure determination; Evaluating a cardiovascular condition not otherwise provided for, e.g. using combinations of techniques provided for in this group with electrocardiography or electroauscultation; Heart catheters for measuring blood pressure
- A61B5/021—Measuring pressure in heart or blood vessels
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/02—Detecting, measuring or recording pulse, heart rate, blood pressure or blood flow; Combined pulse/heart-rate/blood pressure determination; Evaluating a cardiovascular condition not otherwise provided for, e.g. using combinations of techniques provided for in this group with electrocardiography or electroauscultation; Heart catheters for measuring blood pressure
- A61B5/024—Detecting, measuring or recording pulse rate or heart rate
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/103—Detecting, measuring or recording devices for testing the shape, pattern, colour, size or movement of the body or parts thereof, for diagnostic purposes
- A61B5/11—Measuring movement of the entire body or parts thereof, e.g. head or hand tremor, mobility of a limb
- A61B5/1123—Discriminating type of movement, e.g. walking or running
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/72—Signal processing specially adapted for physiological signals or for diagnostic purposes
- A61B5/7203—Signal processing specially adapted for physiological signals or for diagnostic purposes for noise prevention, reduction or removal
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/72—Signal processing specially adapted for physiological signals or for diagnostic purposes
- A61B5/7203—Signal processing specially adapted for physiological signals or for diagnostic purposes for noise prevention, reduction or removal
- A61B5/7207—Signal processing specially adapted for physiological signals or for diagnostic purposes for noise prevention, reduction or removal of noise induced by motion artifacts
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/72—Signal processing specially adapted for physiological signals or for diagnostic purposes
- A61B5/7221—Determining signal validity, reliability or quality
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/72—Signal processing specially adapted for physiological signals or for diagnostic purposes
- A61B5/7235—Details of waveform analysis
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/72—Signal processing specially adapted for physiological signals or for diagnostic purposes
- A61B5/7271—Specific aspects of physiological measurement analysis
- A61B5/7275—Determining trends in physiological measurement data; Predicting development of a medical condition based on physiological measurements, e.g. determining a risk factor
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/10—Pre-processing; Data cleansing
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/22—Matching criteria, e.g. proximity measures
Abstract
本发明涉及数据处理技术领域,提出了一种运动数据采集处理方法及系统,包括:采集使用者运动状态下的心率数据及血压数据;对血压数据分段得到若干分组数据,通过DTW算法获取每段分组数据与心率数据的最短路径,以及血压数据与心率数据的总最短路径,根据最短路径及总最短路径获取初始噪声概率及噪声组数据;根据噪声组数据及其最短路径进行去噪,重新计算噪声概率并判断,根据判断结果进行迭代判断并去噪,并对待采集数据获取预测噪声概率;根据预测噪声概率对下一次采集的数据进行噪声判断,完成对于运动数据的采集处理。本发明旨在解决运动数据采集过程存在噪声而影响数据监测分析的问题。
Description
技术领域
本发明涉及数据处理技术领域,具体涉及一种运动数据采集处理方法及系统。
背景技术
对于运动数据采集的发展年限相对较短,对于数据的分析与处理方法相对单一,在现有的运动数据采集处理方法中,多数是针对使用者的多个运动数据的独立分析,由此确定运动状态的好坏;然而此种方法无法全面对运动数据进行分析,并且数据采集后的预处理也并不完善,即运动数据在采集的过程中存在噪声,因此需要对运动数据根据时序的变化特征来进行噪声判断并去除,从而提高运动数据的监测分析结果的准确性。
发明内容
本发明提供一种运动数据采集处理方法及系统,以解决现有的运动数据采集过程存在噪声而影响数据监测分析的问题,所采用的技术方案具体如下:
第一方面,本发明一个实施例提供了一种运动数据采集处理方法,该方法包括以下步骤:
采集使用者运动状态下的心率数据及血压数据;
根据血压数据中每段分组数据与心率数据的DTW匹配结果,获取血压数据的初始噪声概率以及噪声组数据;
根据噪声组数据进行去噪,结合初始噪声概率进行迭代判断,得到去噪后的血压数据以及预测噪声概率;
根据预测噪声概率对下一次采集的数据进行噪声判断,完成对于运动数据的采集处理。
进一步的,所述采集使用者运动状态下的心率数据及血压数据,包括的具体方法为:
通过包含心率及血压的监测设备来进行心率数据及血压数据的获取,两种数据的采样时间间隔相同;进入运动状态优先以人为设置判定,人为未设置再进行阈值判定,进入运动状态后,得到心率数据及血压数据。
进一步的,所述血压数据的初始噪声概率以及噪声组数据,具体的获取方法为:
对血压数据进行分段并与心率数据进行DTW匹配,得到每段分组数据对应的最短路径以及总最短路径;
将总最短路径与分段数据的总段数的比值,记为路径均值,获取每段分组数据对应的最短路径与路径均值的差值绝对值,记为每段分组数据的偏差程度,将偏差程度最大的分组数据记为噪声组数据,噪声组数据的偏差程度记为初始噪声概率。
进一步的,所述得到每段分组数据对应的最短路径以及总最短路径,包括的具体方法为:
对采集到的血压数据根据预设分段时长进行分段,得到若干分段数据,记为若干段分组数据;对血压数据与心率数据进行DTW匹配,根据匹配结果得到每段分组数据匹配到的一段心率数据,根据DTW最短路径算法得到每段分组数据对应的最短路径;根据匹配结果得到血压数据与心率数据的最短路径,记为总最短路径。
进一步的,所述得到去噪后的血压数据以及预测噪声概率,包括的具体方法为:
根据噪声组数据及噪声组数据对应的最短路径获取第一去噪数据;
对第一去噪数据重新进行分段并计算噪声概率,得到第一噪声组数据与第一噪声概率;若初始噪声概率减去第一噪声概率得到的差值大于等于预设第一阈值,将第一噪声概率作为预测噪声概率,第一噪声数据作为去噪后的血压数据;
若初始噪声概率减去第一噪声概率得到的差值小于预设第一阈值,则根据第一噪声组数据及对应的最短路径获取第二去噪数据,继续对第二去噪数据的噪声概率进行计算,并与第一噪声概率进行差值计算,根据差值与预设第一阈值的比较结果进行迭代去噪及去噪结果的判断,直到通过相邻两次去噪后噪声概率的差值大于等于预设第一阈值,停止去噪并将停止去噪时的噪声概率作为预测噪声概率,停止去噪的血压数据作为去噪后的血压数据;
对每次去噪的数据点均进行记录,若已经去除的数据点连续分布,且连续分布数量与最初的分组数据中数据点数量的比值大于预设第二阈值,血压数据存在异常,停止去噪并进行预警,将最新一次去除数据点之前一次去噪得到的噪声概率作为噪声判断阈值;
根据噪声判断阈值对存在异常的血压数据获取预测噪声概率及去噪后的血压数据。
进一步的,所述根据噪声组数据及噪声组数据对应的最短路径获取第一去噪数据,包括的具体方法为:
噪声组数据的最短路径有多段路径组成,获取每段路径的数值,提取其中数值最大的路径记为最大路径值,将最大路径值对应路径的终点所对应的噪声组数据中的数据点进行去除,将此时的血压数据记为第一去噪数据。
进一步的,所述根据噪声判断阈值对存在异常的血压数据获取预测噪声概率及去噪后的血压数据,包括的具体方法为:
对于存在异常的血压数据,重新采集血压数据及心率数据,获取血压数据的噪声概率,记为修正噪声概率,根据噪声判断阈值与修正噪声概率得到预测噪声概率及去噪后的血压数据。
进一步的,所述根据噪声判断阈值与修正噪声概率得到预测噪声概率及去噪后的血压数据,包括的具体方法为:
对噪声判断阈值减去修正噪声概率的差值进行判断,若差值大于等于预设第三阈值,将修正噪声概率作为预测噪声概率;若差值小于预设第三阈值,重新采集血压数据及心率数据,再计算噪声概率并与噪声判断阈值进行比较,差值大于等于预设第三阈值不存在噪声,小于预设第三阈值仍需要重新采集,直到血压数据不再存在噪声,将不存在噪声时的血压数据的噪声概率作为预测噪声概率,此时的血压数据作为去噪后的血压数据。
进一步的,所述根据预测噪声概率对下一次采集的数据进行噪声判断,包括的具体方法为:
对当前运动状态的血压数据进行去噪后,将预测噪声概率进行记录,在下一次运动状态开始记录运动数据后,对其中的血压数据进行噪声概率计算,并通过预测噪声概率减去噪声概率得到的差值进行噪声判断,大于等于预设第一阈值则没有噪声,小于预设第一阈值则进行去噪,并得到对于下一次运动状态的去噪后的血压数据,对预测噪声概率实现更新,用于后续采集的运动数据进行噪声判断。
第二方面,本发明另一个实施例提供了一种运动数据采集处理系统,该系统包括:
运动数据采集模块,采集使用者运动状态下的心率数据及血压数据;
运动数据去噪模块:根据血压数据中每段分组数据与心率数据的DTW匹配结果,获取血压数据的初始噪声概率以及噪声组数据;
根据噪声组数据进行去噪,结合初始噪声概率进行迭代判断,得到去噪后的血压数据以及预测噪声概率;
数据采集处理模块,根据预测噪声概率对下一次采集的数据进行噪声判断,完成对于运动数据的采集处理。
本发明的有益效果是:本发明通过对运动数据中的血压数据与心率数据进行DTW匹配,并对血压数据进行分段得到若干段分组数据,根据每段分组数据的最短路径及总最短路径得到初始噪声概率及噪声组数据,通过数据的变化趋势的相关性实现对于噪声的初步判断;再对噪声组数据进行数据点去除并重新计算噪声概率,通过噪声概率的迭代计算判断,实现最终去噪后的血压数据的获取,同时记录预测噪声概率对后续采集的数据进行质量判断,保证运动数据进行监测分析时的可靠性,而迭代判断能够最大程度保证去噪效果,避免噪声对于运动数据监测分析的影响,同时避免监测设备本身异常带来的噪声问题。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案,下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本发明的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动性的前提下,还可以根据这些附图获得其他的附图。
图1为本发明一个实施例所提供的一种运动数据采集处理方法流程示意图;
图2为本发明另一个实施例所提供的一种运动数据采集处理系统结构框图。
具体实施方式
下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。
请参阅图1,其示出了本发明一个实施例所提供的一种运动数据采集处理方法流程图,该方法包括以下步骤:
步骤S001、采集使用者运动状态下的心率数据及血压数据。
本实施例的目的是对运动数据采集过程中进行去噪,同时为后续采集提供数据处理标准,因此首先需要进行运动数据的获取,而使用者的心率及血压值可以较为准确地反映使用者的运动状态,因此本实施例将使用者的心率数据及血压数据作为运动数据来进行分析。
进一步需要说明的是,使用者的运动状态判定,是通过对使用者的行为及数据进行监测,从而判定使用者是否进入运动状态;可以通过使用者人为设置进入运动状态,例如人为键入训练以及跑步状态等的开始提示等;同时如果使用者未设置运动状态开始,则通过监测设备判定阈值来进行运动状态范定,在判定生效或者人为设置运动状态时,则进行数据采集。
具体的,本实施例通过使用者佩戴的手环、手表等包含心率及血压的监测设备来进行心率数据及血压数据的获取,两种数据的采样时间间隔相同,本实施例采用10秒作为采样时间间隔进行数据采集;监测设备通过判定阈值来判定是否进入运动状态为现有技术,本实施例不再赘述,进入运动状态优先以人为设置判定,人为未设置再进行阈值判定,则进入运动状态后,可以得到心率数据及血压数据,心率数据及血压数据为时序数据。
至此,获取到了使用者运动状态下的心率数据及血压数据。
步骤S002、对血压数据分段得到若干分组数据,通过DTW算法获取每段分组数据与心率数据的最短路径,以及血压数据与心率数据的总最短路径,根据最短路径及总最短路径获取初始噪声概率及噪声组数据。
需要说明的是,对于心率数据及血压数据,两种数据均会随着运动时间及强度的提升,呈现数值持续上升的变化,同时数值存在各自的极限;而对于不同运动强度和运动时间,具有不同的危险阈值,且在运动开始时,心率及血压具有同时增加的特征,因此可以根据这种变化特征进行数据去噪;而心率变化会影响血压变化,心率的正常范围(50-100次)之中,随着运动时间及运动强度增加,心率会上升,同时带动血压升高;而心率高于180次状况时,会随着心率上升而血压下降,因此血压数据相对于心率数据存在一定的滞后性,心率数据对血压数据存在影响,因此通过DTW匹配来对血压数据及心率数据进行分析,通过对血压数据进行分段,根据每段分组数据的最短路径以及总最短路径的计算,量化得到噪声存在的分组数据,进而得到血压数据的噪声概率。
进一步需要说明的是,使用者的运动状态存在持续运动及间歇运动,人为设置运动状态时,持续运动及间歇运动采集到的运动数据均为运动状态下的数据,对于后续分析处理没有影响;通过判定阈值进行运动状态判定时,持续运动采集到的运动数据会呈现先上升后下降的变化趋势,而间歇运动会呈现上升后下降然后趋于平稳,再上升后下降,两种状态中下降及平稳趋势主要为运动接近结束但判定条件尚未低于判定阈值的时段,由于变化趋势整体上升再下降,其不会对后续数据分析处理产生影响。
具体的,首先对采集到的血压数据根据预设分段时长进行分段,本实施例预设分段时长采用3分钟进行叙述,则将每3分钟的血压数据划分为一个分段数据,记为一段分组数据,则对血压数据分段得到了若干段分组数据;对血压数据与心率数据进行DTW匹配,根据匹配结果则可以得到每段分组数据匹配到的一段心率数据,则根据分组数据及匹配到的心率数据,通过DTW中最短路径算法,获取每段分组数据对应的最短路径;同时根据匹配结果可以得到血压数据与心率数据的最短路径,该最短路径记为总最短路径,则得到了总最短路径以及每段分组数据对应的最短路径,其中DTW匹配及最大路径计算均为公知技术,本实施例不再赘述。
进一步的,将总最短路径与分段数据的总段数的比值,记为路径均值,获取每段分组数据对应的最短路径与路径均值的差值绝对值,记为每段分组数据的偏差程度,将偏差程度最大的分组数据记为噪声组数据,噪声组数据的偏差程度记为初始噪声概率。
至此,获取到了噪声组数据以及初始噪声概率。
步骤S003、根据噪声组数据及其最短路径进行去噪,重新计算噪声概率并判断,根据判断结果进行迭代判断并去噪,并对待采集数据获取预测噪声概率。
需要说明的是,获取到噪声组数据后,可以对其最短路径中的路径最大值对应的数据点进行去除,实现去噪,并根据去噪后的血压数据重新进行噪声概率的计算,比较噪声概率及初始噪声概率,实现去噪结果的判断,并根据去噪结果实现对后续采集的运动数据的噪声概率的预测及判定。
具体的,首先对于噪声组数据,其最短路径获取过程中,最短路径是由多段路径组成的(DTW求最短路径的现有技术,本实施例不再赘述),获取每段路径的数值,提取其中数值最大的路径记为最大路径值,将最大路径值对应路径的终点所对应的噪声组数据中的数据点进行去除,则对噪声组数据去除了其中一个血压数据,也对血压数据去除了一个数据,此时的血压数据记为第一去噪数据;对第一去噪数据按照上述方法重新进行分段,预设分段时长不变,得到若干分组数据,记为第一分组数据,对第一分组数据按照上述方法计算偏差程度,将第一去噪数据中偏差程度最大的第一分组数据记为第一噪声组数据,第一噪声组数据的偏差程度记为第一噪声概率。
进一步的,对第一噪声概率与初始噪声概率进行比较,获取初始噪声概率减去第一噪声概率的差值,设置预设第一阈值用于判断去噪结果,本实施例预设第一阈值采用3进行叙述,若两个噪声概率的差值大于等于预设第一阈值,则表明第一去噪数据理想,较好地实现了血压数据中噪声的去除,将此时的第一噪声概率作为预测噪声概率进行记录,预测噪声概率用于对后续采集的运动数据进行噪声及采集效果判定。
进一步的,若两个噪声概率的差值小于预设第一阈值,则表明第一去噪数据不理想,按照上述方法获取第一噪声组数据对应的最短路径中的路径最大值,并继续去除最大路径值对应路径的终点所对应的第一噪声组数据中的数据点,此时第一去噪数据去除了一个数据点,将去除后的第一去噪数据记为第二去噪数据;按照上述方法继续进行第二去噪数据的噪声概率计算,并与第一噪声概率进行差值计算,根据差值与预设第一阈值的比较结果进行去噪是否理想的判断;按照上述方法进行迭代去噪,直到通过相邻两次去噪后噪声概率的差值满足去噪理想的判断情况,则停止去噪,并将停止去噪时的噪声概率作为预测噪声概率进行记录。
进一步的,对每次去噪的数据点均进行记录,若已经去除的数据点连续分布,即是血压数据中相邻的数据点,且连续分布数量与最初的分组数据中数据点数量的比值大于预设第二阈值,则表明血压数据中连续出现噪声,血压数据存在异常,停止去噪,其中预设第二阈值本实施例采用0.2进行叙述,例如本实施例3分钟内共有18个数据点,若去噪过程中有四个去除的数据点连续分布,则停止去噪并进行预警;将最新一次去除数据点之前一次去噪得到的噪声概率作为噪声判断阈值。
进一步的,对于存在异常的血压数据,实时的数据采集过程的准确性无法保障,此时监测设备预警,提醒使用者调整监测设备的佩戴方法,并继续重新采集血压数据及心率数据,按照上述方法获取此时血压数据的噪声概率,记为修正噪声概率;对噪声判断阈值减去修正噪声概率的差值进行判断,设置预设第三阈值用于判断此时的血压数据是否异常,本实施例预设第三阈值采用5进行叙述,若差值大于等于预设第三阈值,则此时血压数据不存在噪声,将修正噪声概率作为预测噪声概率;若差值小于预设第三阈值,则血压数据仍然存在噪声,立刻进行预警,并实施监测设备重启,重启后重新采集血压数据及心率数据,再计算噪声概率并与噪声判断阈值进行比较,差值大于等于预设第三阈值则表明不存在噪声,小于预设第三阈值则仍需要重启,直到血压数据不再存在噪声,并将不存在噪声时的血压数据的噪声概率作为预测噪声概率,此时的血压数据作为去噪后的血压数据。
至此,获取到了去噪后的血压数据,并得到了用于对后续采集进行判断的预测噪声概率。
步骤S004、根据预测噪声概率对下一次采集的数据进行噪声判断,完成对于运动数据的采集处理。
对当前运动状态的血压数据进行去噪后,将预测噪声概率进行记录,在下一次运动状态开始记录运动数据后,对其中的血压数据进行噪声概率计算,并通过预测噪声概率减去噪声概率得到的差值进行噪声判断,大于等于预设第一阈值则表明没有噪声,小于预设第一阈值则仍需要按照上述方法进行去噪,并最终得到对于下一次运动状态的去噪后的血压数据,同时对预测噪声概率实现更新,用于后续采集的运动数据进行噪声判断。
至此,完成了对于运动数据的采集过程中的去噪处理,并通过噪声概率实现运动数据质量的判断,保证最终得到的运动数据不会受到较多噪声干扰。
需要说明的是,本实施例根据预设分段时长进行分段过程中,最后一段分组数据无需保证满足预设分段时长,则最后一段分组数据的长度不固定,对上述计算过程中影响可以忽略。
请参阅图2,其示出了本发明另一个实施例所提供的一种运动数据采集处理系统结构框图,该系统包括:
运动数据采集模块S101,采集使用者运动状态下的心率数据及血压数据。
运动数据去噪模块S102:
(1)对血压数据分段得到若干分组数据,通过DTW算法获取每段分组数据与心率数据的最短路径,以及血压数据与心率数据的总最短路径,根据最短路径及总最短路径获取初始噪声概率及噪声组数据;
(2)根据噪声组数据及其最短路径进行去噪,重新计算噪声概率并判断,根据判断结果进行迭代判断并去噪,并对待采集数据获取预测噪声概率。
数据采集处理模块S103,根据预测噪声概率对下一次采集的数据进行噪声判断,完成对于运动数据的采集处理。
以上所述仅为本发明的较佳实施例而已,并不用以限制本发明,凡在本发明的精神和原则之内,所作的任何修改、等同替换、改进等,均应包含在本发明的保护范围之内。
Claims (7)
1.一种运动数据采集处理方法,其特征在于,该方法包括以下步骤:
采集使用者运动状态下的心率数据及血压数据;
根据血压数据中每段分组数据与心率数据的DTW匹配结果,获取血压数据的初始噪声概率以及噪声组数据;
根据噪声组数据进行去噪;
所述血压数据的初始噪声概率以及噪声组数据,具体的获取方法为:
对血压数据进行分段并与心率数据进行DTW匹配,得到每段分组数据对应的最短路径以及总最短路径;
将总最短路径与分段数据的总段数的比值,记为路径均值,获取每段分组数据对应的最短路径与路径均值的差值绝对值,记为每段分组数据的偏差程度,将偏差程度最大的分组数据记为噪声组数据,噪声组数据的偏差程度记为初始噪声概率;
所述得到每段分组数据对应的最短路径以及总最短路径,包括的具体方法为:
对采集到的血压数据根据预设分段时长进行分段,得到若干分段数据,记为若干段分组数据;对血压数据与心率数据进行DTW匹配,根据匹配结果得到每段分组数据匹配到的一段心率数据,根据DTW最短路径算法得到每段分组数据对应的最短路径;根据匹配结果得到血压数据与心率数据的最短路径,记为总最短路径;
根据噪声组数据及噪声组数据对应的最短路径获取第一去噪数据,包括的具体方法为:
噪声组数据的最短路径有多段路径组成,获取每段路径的数值,提取其中数值最大的路径记为最大路径值,将最大路径值对应路径的终点所对应的噪声组数据中的数据点进行去除,将此时的血压数据记为第一去噪数据。
2.根据权利要求1所述的一种运动数据采集处理方法,其特征在于,所述采集使用者运动状态下的心率数据及血压数据,包括的具体方法为:
通过包含心率及血压的监测设备来进行心率数据及血压数据的获取,两种数据的采样时间间隔相同;进入运动状态优先以人为设置判定,人为未设置再进行阈值判定,进入运动状态后,得到心率数据及血压数据。
3.根据权利要求1所述的一种运动数据采集处理方法,其特征在于,还包括:
对第一去噪数据重新进行分段并计算噪声概率,得到第一噪声组数据与第一噪声概率;若初始噪声概率减去第一噪声概率得到的差值大于等于预设第一阈值,将第一噪声概率作为预测噪声概率,第一噪声数据作为去噪后的血压数据;
若初始噪声概率减去第一噪声概率得到的差值小于预设第一阈值,则根据第一噪声组数据及对应的最短路径获取第二去噪数据,继续对第二去噪数据的噪声概率进行计算,并与第一噪声概率进行差值计算,根据差值与预设第一阈值的比较结果进行迭代去噪及去噪结果的判断,直到通过相邻两次去噪后噪声概率的差值大于等于预设第一阈值,停止去噪并将停止去噪时的噪声概率作为预测噪声概率,停止去噪的血压数据作为去噪后的血压数据;
对每次去噪的数据点均进行记录,若已经去除的数据点连续分布,且连续分布数量与最初的分组数据中数据点数量的比值大于预设第二阈值,血压数据存在异常,停止去噪并进行预警,将最新一次去除数据点之前一次去噪得到的噪声概率作为噪声判断阈值;
根据噪声判断阈值对存在异常的血压数据获取预测噪声概率及去噪后的血压数据。
4.根据权利要求3所述的一种运动数据采集处理方法,其特征在于,所述根据噪声判断阈值对存在异常的血压数据获取预测噪声概率及去噪后的血压数据,包括的具体方法为:
对于存在异常的血压数据,重新采集血压数据及心率数据,获取血压数据的噪声概率,记为修正噪声概率,根据噪声判断阈值与修正噪声概率得到预测噪声概率及去噪后的血压数据。
5.根据权利要求4所述的一种运动数据采集处理方法,其特征在于,所述根据噪声判断阈值与修正噪声概率得到预测噪声概率及去噪后的血压数据,包括的具体方法为:
对噪声判断阈值减去修正噪声概率的差值进行判断,若差值大于等于预设第三阈值,将修正噪声概率作为预测噪声概率;若差值小于预设第三阈值,重新采集血压数据及心率数据,再计算噪声概率并与噪声判断阈值进行比较,差值大于等于预设第三阈值则不存在噪声,小于预设第三阈值则仍需要重新采集,直到血压数据不再存在噪声,将不存在噪声时的血压数据的噪声概率作为预测噪声概率,此时的血压数据作为去噪后的血压数据。
6.根据权利要求5所述的一种运动数据采集处理方法,其特征在于,还包括:根据预测噪声概率对下一次采集的数据进行噪声判断,包括的具体方法为:
对当前运动状态的血压数据进行去噪后,将预测噪声概率进行记录,在下一次运动状态开始记录运动数据后,对其中的血压数据进行噪声概率计算,并通过预测噪声概率减去噪声概率得到的差值进行噪声判断,大于等于预设第一阈值则没有噪声,小于预设第一阈值则进行去噪,并得到对于下一次运动状态的去噪后的血压数据,对预测噪声概率实现更新,用于后续采集的运动数据进行噪声判断。
7.一种运动数据采集处理系统,其特征在于,该系统包括:
运动数据采集模块,采集使用者运动状态下的心率数据及血压数据;
运动数据去噪模块:根据血压数据中每段分组数据与心率数据的DTW匹配结果,获取血压数据的初始噪声概率以及噪声组数据;
根据噪声组数据进行去噪;
所述血压数据的初始噪声概率以及噪声组数据,具体的获取方法为:
对血压数据进行分段并与心率数据进行DTW匹配,得到每段分组数据对应的最短路径以及总最短路径;
将总最短路径与分段数据的总段数的比值,记为路径均值,获取每段分组数据对应的最短路径与路径均值的差值绝对值,记为每段分组数据的偏差程度,将偏差程度最大的分组数据记为噪声组数据,噪声组数据的偏差程度记为初始噪声概率;
所述得到每段分组数据对应的最短路径以及总最短路径,包括的具体方法为:
对采集到的血压数据根据预设分段时长进行分段,得到若干分段数据,记为若干段分组数据;对血压数据与心率数据进行DTW匹配,根据匹配结果得到每段分组数据匹配到的一段心率数据,根据DTW最短路径算法得到每段分组数据对应的最短路径;根据匹配结果得到血压数据与心率数据的最短路径,记为总最短路径;
根据噪声组数据及噪声组数据对应的最短路径获取第一去噪数据,包括的具体方法为:
噪声组数据的最短路径有多段路径组成,获取每段路径的数值,提取其中数值最大的路径记为最大路径值,将最大路径值对应路径的终点所对应的噪声组数据中的数据点进行去除,将此时的血压数据记为第一去噪数据。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310993025.5A CN116712049B (zh) | 2023-08-09 | 2023-08-09 | 一种运动数据采集处理方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310993025.5A CN116712049B (zh) | 2023-08-09 | 2023-08-09 | 一种运动数据采集处理方法及系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN116712049A CN116712049A (zh) | 2023-09-08 |
CN116712049B true CN116712049B (zh) | 2023-10-20 |
Family
ID=87866414
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202310993025.5A Active CN116712049B (zh) | 2023-08-09 | 2023-08-09 | 一种运动数据采集处理方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN116712049B (zh) |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2018152713A1 (zh) * | 2017-02-22 | 2018-08-30 | 清华大学深圳研究生院 | 一种用于血压测量装置的数据处理方法 |
CN109965861A (zh) * | 2019-04-16 | 2019-07-05 | 重庆大学 | 一种无袖带穿戴式无创血压长时连续监测装置 |
CN111897695A (zh) * | 2020-07-31 | 2020-11-06 | 平安科技(深圳)有限公司 | 获取kpi异常数据样本的方法、装置和计算机设备 |
CN112528784A (zh) * | 2020-12-01 | 2021-03-19 | 中国地质大学(武汉) | 一种面向正常钻柱振动信号的粘滑和跳钻异常识别方法 |
CN114052689A (zh) * | 2021-12-07 | 2022-02-18 | 山东大学 | 一种运动状态下血压监测装置、存储介质及设备 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US10548533B2 (en) * | 2016-03-14 | 2020-02-04 | Tata Consultancy Services Limited | Method and system for removing corruption in photoplethysmogram signals for monitoring cardiac health of patients |
-
2023
- 2023-08-09 CN CN202310993025.5A patent/CN116712049B/zh active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2018152713A1 (zh) * | 2017-02-22 | 2018-08-30 | 清华大学深圳研究生院 | 一种用于血压测量装置的数据处理方法 |
CN109965861A (zh) * | 2019-04-16 | 2019-07-05 | 重庆大学 | 一种无袖带穿戴式无创血压长时连续监测装置 |
CN111897695A (zh) * | 2020-07-31 | 2020-11-06 | 平安科技(深圳)有限公司 | 获取kpi异常数据样本的方法、装置和计算机设备 |
CN112528784A (zh) * | 2020-12-01 | 2021-03-19 | 中国地质大学(武汉) | 一种面向正常钻柱振动信号的粘滑和跳钻异常识别方法 |
CN114052689A (zh) * | 2021-12-07 | 2022-02-18 | 山东大学 | 一种运动状态下血压监测装置、存储介质及设备 |
Non-Patent Citations (2)
Title |
---|
A Machine Learning-Empowered System for Long-Term Motion-Tolerant Wearable Monitoring of Blood Pressure and Heart Rate With Ear-ECG/PPG;Qingxue Zhang et al.;IEEE Access;第5卷;第10547-10561页 * |
Dynamic time warping and machine learning for signal quality assessment of pulsatile signals;Q Li, G D Clifford;Physiological Measurement;第33卷;第1491-1501页 * |
Also Published As
Publication number | Publication date |
---|---|
CN116712049A (zh) | 2023-09-08 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
JP2014505566A (ja) | 呼吸モニタリング方法およびシステム | |
CN113995419B (zh) | 一种基于心跳节律信号的房颤发生风险预测系统及其应用 | |
CN110236491B (zh) | 一种睡眠分期监控方法 | |
CN116320043B (zh) | 一种提高多载波通信系统传输效率的方法及系统 | |
CN110840443B (zh) | 心电信号处理方法、心电信号处理装置和电子设备 | |
CN116821809B (zh) | 基于人工智能的生命体征数据采集系统 | |
CN111832537B (zh) | 异常心电信号识别方法及异常心电信号识别装置 | |
CN113925464A (zh) | 一种基于移动设备检测睡眠呼吸暂停的方法 | |
CN115363586A (zh) | 一种基于脉搏波信号的心理压力等级评估系统及方法 | |
CN116712049B (zh) | 一种运动数据采集处理方法及系统 | |
CN111839494A (zh) | 一种心率监测方法及系统 | |
Wang et al. | DeepDDK: A deep learning based oral-diadochokinesis analysis software | |
CN113576472A (zh) | 一种基于全卷积神经网络的血氧信号分割方法 | |
CN114176550A (zh) | 心率数据分类方法、装置、设备及存储介质 | |
CN115762551A (zh) | 鼾声检测方法、装置、计算机设备及存储介质 | |
CN115399735A (zh) | 基于时频双流增强的多头注意机制睡眠分期方法 | |
CN113273992A (zh) | 信号处理方法及装置 | |
US20200237312A1 (en) | Method and apparatus for pre-processing ppg signal | |
CN113921116A (zh) | 利用计算机芯片评估急性缺血性卒中ct影像数据模型方法 | |
CN111803063A (zh) | 一种房颤事件检测方法 | |
CN111128387A (zh) | 建立癫痫发作检测模型的方法和设备 | |
CN112370013A (zh) | 一种用于确定睡眠分期的方法及系统 | |
CN116942102B (zh) | 一种基于脉搏波的睡眠分期方法及设备 | |
CN112509556A (zh) | 一种语音唤醒方法及装置 | |
CN117679038A (zh) | 一种阿尔茨海默病患者睡眠干预改善系统 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |